<<Signals and systems>> Chapter 2 学习笔记

最新推荐文章于 2023-04-29 22:42:14 发布

JasonLeaster

最新推荐文章于 2023-04-29 22:42:14 发布

阅读量1.5k

点赞数

分类专栏： DSP & Image Processing

本文链接：https://blog.csdn.net/cinmyheart/article/details/39695943

版权

DSP & Image Processing 专栏收录该内容

30 篇文章 2 订阅

订阅专栏

<<Signals and systems>> Chapter 2

Linear Time-Inverariant Systems

2.1 Discrete-time LTI system: the convolution sum

离散的信号可以用叠合的不同幅值的delta函数表示出来

The discret-time unit impulse response and the convolution sum representation of LTI systems

上面的例子很清楚的一步步的解析了卷积和的过程.

卷积和的部分可以去看看我写的这篇《Why should we use convolution?》

对于为什么是x[k]*h[n-k]

这里研究的是LTI系统，h[n]是LTI系统，对于不同时刻k输入x[k]，系统的响应仅仅做偏移即可,

x[0]输入的对应h为h[0]，x[1]对应的h为h[n-1]... x[k] 对应的就是h[n-k]

为了加深概念的理解，我们再看看时变系统卷积和的过程

输入是X[n]，响应是h,注意时变系统的输入响应不同时刻不同，所以这里有三个不同的响应

我们把输入看作impluse 序列，这样，利用delta函数的性质，就很容易get到输出了哇~

要知道对系统输入的是一系列的impulse，于是应该把所有结果(x[-1]h[-1], ...,x[1]h[1])累加起来，得到输出y[n],

这就是为什么下面y[n]卷积和公式里面会有连加符号的原因！

而正是由于时变系统的特性，会导致一种有趣的现象，对于输入x[n]和响应h[n]

计算过程中直接把h[n]反转，然后偏移k个单位，直接于原来的输入信号做乘法，然后把各个单位的结果做累加，得到的就是此刻的输出y[n],最后系统的输出这里书上有一定的“误导性”，之所以打双引号是因为这里h[n]是一个无限长的step function,所以后面无穷逼近于1/(1-alpha).

在计算机中，不可能用无穷序列来模拟...输入序列就是有限的，那么输出就会是

(length of x[n]) + (length of h[n]) -1。

为什么会是减一？想想，如果输出到(length of x[n]) + (length of h[n])个点的时候，两者已经没有重叠区域，于是得到的结果是0.这里我们不考虑这个没有意义的点.于是输出就只有(length of x[n]) + (length of h[n]) -1个点

这里我做了个例子

%code writer	:	EOF
%code date	:	2014.10 .1
%e-mail		:	jasonleaster@gmail.com
%code file	:	demo_for_convolution
%code purpose:
%             A demo for convolution in LTI-system
clear all
close all

% you could use this varible to define how many number of points in the input sequence.
points = 10;

% x is used as input points
% h is used as responce sequnce.

% %% input sequence one
% x = exp(-[0: (points-1)]);
% h = ones(1,points*10);

%% Input sequence two
alpha = 2;
x = [1 1 1 1 1];
h = alpha.^([0:6]);

length_x = size(x,2);
length_h = size(h,2);

figure(1);
subplot(121);
scatter(1:length_x,x,'r');
title('x[n]');
subplot(122);
scatter(1:length_h,h,'g');
title('h[n]');

output = zeros(1,length_x+length_h -1);

%% Kernel part of our convolution sum   :- )
for current_point_n= 1:length_x + length_h

        tmp = current_point_n;
        while(tmp > 0)

            if  current_point_n <= length_x  &&  (current_point_n - tmp + 1) <= length_h
                     output(current_point_n) = output(current_point_n) + x(tmp)*h(current_point_n - tmp + 1);
            end
            
            if current_point_n > length_x && current_point_n < (length_h + length_x -1)
                
                if tmp > length_x
                    tmp = tmp -1;
                    continue;
                else
                    if (current_point_n - tmp + 1) <= length_h
                     output(current_point_n) = output(current_point_n) + x(tmp)*h(current_point_n - tmp + 1);       
                    end
                end
                
            end
            
            tmp = tmp -1;
        end

end

figure(2);
scatter(1:size(output,2),output,'filled');
title('output[n]');